计算机视觉-相机参数标定


针孔照相机模型

针孔照相机模型是计算机视觉中广泛使用的照相机模型。
在这里插入图片描述
在针孔照相机模型中,光线投影到图像平面之前,从唯一的一个点经过,也就是照相机中心C,上图坐标系为相机坐标系,以照相机中心为原点,P代表了真实世界中的一个三维点,p代表了其映射到二维图像的点。

照相机矩阵

从坐标系的侧面看,可以看出P和p之间可以通过相似来求出他们的关系,
在这里插入图片描述

这里我们用矩阵来表示,
在这里插入图片描述
在相机的生产过程中,其镜头会发生偏移,也就是光心和坐标系的原点有偏移,称为主点偏移。要考虑到这个因素,所以上式要加上偏移量(u0,v0),u0代表了在x方向上的偏移量,v0代表了y方向上偏移量,变成了,

在这里插入图片描述
我们将其简写为,K代表了相机的内部参数矩阵

在这里插入图片描述
考虑到有内部参数的影响,但是还有物理层面上的影响,比如说镜头,我们日常生活中最常接触的就是广角镜头,当然了,还有许多别的镜头,只是我不知道……
不同镜头拍摄出的照片会和普通照片拍摄出来的不一样,会在某方面产生畸变,比如径向畸变、桶状畸变、枕形畸变等,为此我们还得再K中加入畸变参数,
在这里插入图片描述
既然考虑好了内部参数的影响,外部环境的影响我们也要考虑,比如人为的因素,我们拿相机拍摄的时候,每次变换位置,相机位置也会跟着改变,而且有时我们会将相机旋转角度以达到更好的拍摄效果,所以还需要往照相机矩阵中加入外部参数的影响,上式变为,
在这里插入图片描述


相机参数标定

  1. 首先,我们需要进行数据采集,也就是对棋盘格进行不同角度的拍摄,在此期间,需保证棋盘格在一个平面上,否则因为纸张弯曲导致后续角点检测时出现角点间距不一致的问题。
    在这里插入图片描述

  2. 棋盘格角点的提取。

# 寻找到棋盘角点
        succ, pic_coor = cv.findChessboardCorners(pic_data, (cross_corners[0], cross_corners[1]), None)

在这里插入图片描述

  1. 通过角点求解出单应性矩阵,再由单应性矩阵经SVD求解出内部参数。
# 求单应矩阵
    H = get_homography(pic_points, real_points_x_y)

    # 求内参
    intrinsics_param = get_intrinsics_param(H)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

上述相机的内部参数是采用环形拍摄棋盘格获得的相机内参数,相机离棋盘比较近( 1000 ∗ 750 1000*750 1000750 750 ∗ 1000 750*1000 7501000都有)


多种实验结果

下面采用的是平移相机对棋盘格拍照的方式获得的相机内参数,相机离棋盘比较远( 750 ∗ 1000 750*1000 7501000
在这里插入图片描述
在这里插入图片描述
下面也是采用的是平移相机对棋盘格拍照的方式获得的相机内参数,相机离棋盘比较近( 1000 ∗ 750 1000*750 1000750
在这里插入图片描述

在这里插入图片描述
下面采用的是平移相机对棋盘格拍照的方式获得的相机内参数,相机离棋盘比较远( 1000 ∗ 750 1000*750 1000750
在这里插入图片描述

在这里插入图片描述

总结

通过四种不同数据得出的相机内部参数,得出几个结论:

  1. 采用相同拍摄手法的数据得出的相机内参数中的焦距相差不是很大,拍摄手法对光心的影响更大。
  2. 相机自身的旋转会造成焦距和光心与旋转前的数据相反。
  3. 平移相机拍摄的情况下,相机距离棋盘的远近得出的内参数的相差不是很大,而当相机相对于棋盘倾斜的情况下会导致内参数发生大的变化。

猜测是因为倾斜的情况下,相机中的棋盘格中,检测出的角点间距离不一致导致。这个理论也可以佐证为什么平移拍摄时内参数相差不大的情况。

主代码

import cv2 as cv
import numpy as np
import os
from step.homography import get_homography
from step.intrinsics import get_intrinsics_param
from step.extrinsics import get_extrinsics_param
from step.distortion import get_distortion



def calibrate():
    # 求单应矩阵
    H = get_homography(pic_points, real_points_x_y)

    # 求内参
    intrinsics_param = get_intrinsics_param(H)

    # 求对应每幅图外参
    extrinsics_param = get_extrinsics_param(H, intrinsics_param)

    # 畸变矫正
    k = get_distortion(intrinsics_param, extrinsics_param, pic_points, real_points_x_y)



    print("相机内参数:\t\n", intrinsics_param)
    print("畸变矫正:\t", k)
    print("外部参数:\t\n", extrinsics_param)




if __name__ == "__main__":
    i = 1;
    file_dir = r'..\pic'
    # 标定所用图像
    pic_name = os.listdir(file_dir)

    # 由于棋盘为二维平面,设定世界坐标系在棋盘上,一个单位代表一个棋盘宽度,产生世界坐标系三维坐标
    cross_corners = [9, 9] #棋盘方块交界点排列
    real_coor = np.zeros((cross_corners[0] * cross_corners[1], 3), np.float32)
    real_coor[:, :2] = np.mgrid[0:9, 0:9].T.reshape(-1, 2)

    real_points = []
    real_points_x_y = []
    pic_points = []

    for pic in pic_name:
        pic_path = os.path.join(file_dir, pic)
        pic_data = cv.imread(pic_path)

        # 寻找到棋盘角点
        succ, pic_coor = cv.findChessboardCorners(pic_data, (cross_corners[0], cross_corners[1]), None)

        if succ:
            # 添加每幅图的对应3D-2D坐标
            pic_coor = pic_coor.reshape(-1, 2)
            pic_points.append(pic_coor)

            real_points.append(real_coor)
            real_points_x_y.append(real_coor[:, :2])
            cv.drawChessboardCorners(pic_data, (cross_corners[0], cross_corners[1]), pic_coor, succ)
            cv.namedWindow('img', cv.WINDOW_NORMAL)
            cv.resizeWindow('img', 300, 300)
            cv.imshow('img', pic_data)
            cv.waitKey()
    calibrate()
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 要进行相机标定的目的是为了去掉相机透镜畸变,使拍摄的图像更加准确,对于使用opencv库的python用户来讲,相机标定也是一项常规操作。以下是python-opencv相机标定的教程: 1. 收集标定图片:准备至少10到20张不同角度和位置的图片,要保证图片中有棋盘格子等模板。 2. 提取角点特征:用cv2.findChessboardCorners()函数提取棋盘格子的角点,这里用到的是cv2自带的提取工具。 3. 标定镜头:用cv2.calibrateCamera()函数对相机进行标定,得出相机内参矩阵等相关参数。 4. 存储标定结果: 使用cv2.FileStorage()函数存储标定参数。 5. 测试标定结果:使用cv2.undistort()函数果进行畸变校正,并观察校正后的图像是否有改善。 6. 应用标定结果:将标定结果应用到实际项目中,在程序中调用标定参数可以有效降低图像畸变,提高图像质量。 以上是python-opencv相机标定的教程,如果有需要的话,还可以使用均匀灰度图像等其他方式进行标定。通常情况下,一次标定的结果可以使用长时间,从而提高整个项目的精确度。 ### 回答2: Python-OpenCV相机标定教程是小型项目的标准。 在机器视觉和计算机视觉中,相机标定非常重要,这是获取全面、准确的数据的基础。相机标定的目的是为了减少照相机视角失真,提高拍摄到的图像质量,从而更好地支持照相机的图像处理。它的主要目的是矫正图像中的畸变并确定相机的内参和外参。 Python-OpenCV相机标定教程可以在Python编程语言中使用OpenCVPython库实现。这个过程包括多个步骤,如获取棋盘格角点、标定相机、计算相机的投影矩阵等。 在相机标定过程中,需要拍摄多张棋盘格图像。首先,必须定义棋盘格行列数量,然后手动测量棋盘格方格大小并加载图像到OpenCVPython中。接下来,寻找图像中棋盘格的角点,这些角点可以被处理以消除任何镜头失真。使用这些图像来标定相机并计算相机的投影矩阵。最后,保存相机内参和外参以对未来的图像应用重新计算。 相机标定的作用是消除由透视等导致的图像质量降低,从而使图像更清晰、更准确。Python-OpenCV相机标定教程为开发者提供了实现相机标定的基础,使他们可以快速构建照相机内参与外参算法并为数据处理提供基础。 ### 回答3: Python-OpenCV相机标定教程 OpenCV是一种非常流行的计算机视觉库,具有许多强大的功能,包括相机标定相机标定是将相机的内部参数和畸变参数计算出来,以便更好地将2D图像转换为3D场景。在此教程中,我们将介绍使用Python-OpenCV库进行相机标定的步骤。 第一步:获取棋盘格图像 在进行相机标定之前,需要获取一些棋盘格图像。为了获得尽可能准确的结果,您需要将棋盘格图像从不同的角度和位置拍摄,并确保棋盘格图像足够清晰。我们建议至少拍摄10张不同的图像。 第二步:检测棋盘格角点 使用OpenCV中的函数cv2.findChessboardCorners()可以检测棋盘角点。它需要棋盘的大小和图像。如果检测到角点,函数将返回True,并将角点位置存储在一个数组中。 第三步:计算相机内部参数和畸变参数 为了计算相机的内部参数和畸变参数,需要使用OpenCV中的函数cv2.calibrateCamera()。这个函数接受一个由棋盘格图像和对应的角点位置组成的列表,并返回摄像机矩阵,畸变系数和旋转矩阵。 第四步:评估相机标定结果 在评估相机标定结果时,您需要计算误差,这可以通过一个简单的公式完成。误差是指每个棋盘格角点的图像坐标和标准(真实)坐标之间的平均距离。您还可以使用OpenCV可视化函数来显示标定结果。 总结 这就是使用Python-OpenCV进行相机标定的基本步骤。相机标定是一个基本任务,但是它对于实现更复杂的计算机视觉任务非常重要。标定成功后,您可以更准确地进行2D到3D坐标的变换,从而实现更准确的跟踪和测量。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值